Determinación del indicador de estabilidad financiera como modelo predictivo de la insolvencia de entidades Micro Financieras en el Perú

• Autor: Tito Ccopa, Enrique Jaime
• Formato: tesis doctoral
• Fecha de Publicación: 2019
• Institución: Universidad Nacional Del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:https://repositorio.unap.edu.pe:20.500.14082/12749
• Enlace del recurso: http://repositorio.unap.edu.pe/handle/20.500.14082/12749
• Nivel de acceso: acceso abierto
• Materia: Estadística e informática; Modelo predictivo para la insolvencia de Micro Finanzas en el Perú

El grado de insolvencia máxima representada en la quiebra de una entidad financiera genera stress y un fuerte impacto negativo en la economía; en el presente trabajo se determina un indicador resumen de “estabilidad financiera” como un modelo predictivo de insolvencia de entidades micro financieras en el Perú entre los periodos 2001 al 2017. Los objetivos fueron determinar el set adecuado de indicadores financieros, construir un modelo de índice de estabilidad financiera y validar el modelo analizando la capacidad discriminante mediante agrupamiento clúster. La metodología fue identificar las entidades en insolvencia y quiebra durante el 2001 al 2017, identificar el set de indicadores financieros, construir el índice de estabilidad financiera basado en referentes comparadores del sector y entidades más estables por sector financiero, evaluar el comportamiento de cada indicador para obtener la mejor combinación del índice de estabilidad financiera y finalmente evaluar la capacidad predictiva de cada indicador de estabilidad financiera mediante clustering automático Bietápico y k-medias. Durante el año 2001 al 2017 se identificaron 19 entidades micro financieras con problemas de insolvencia y quiebra, la construcción del Índice de estabilidad financiera con mejores resultados fue usando el set de indicadores de solidez financiera establecidos por el FMI y la técnica de percentiles basado en el VaR, con horizontes de 3 a 12 meses de tipo rolling over comparativo al sector y entidad más estable, los modelos proyectados a 12 meses frecuentes son el TDS y ARIMA (1,1,1), con una efectividad del 89% de la capacidad predictiva fue clustering k-medias.